UNIVERSIDAD AUTÓNOMA DE YUCATÁN

FACULTAD DE MATEMÁTICAS

NOMBRE: ROEMER ROSADO SOSA

MATERIA: REGRESION LINEAL Y SERIES DE TIEMPO PROYECTO # 2 “MÉTODOS DE SUAVIZAMIENTO PARA SERIES DE TIEMPO”

MAESTRA: ROCIO ACOSTA PECH

FECHA DE ENTREGA:
1|Página

24/ NOVIEMBRE/ 2011

ÍNDICE.
OBJETIVO……………………………………………………………………. INTRODUCCIÓN……………………………………………………………… PROMEDIO MÓVIL SIMPLE………………………………………………... 3

3

7

PROMEDIO MÓVIL CENTRADO…………………………………………… PROMEDIO MÓVIL PONDERADO……………………..………………….. DOBLE PROMEDIO MÓVIL……………………….……………………….. MÉTODO EXPONENCIAL SIMPLE………………………………………… MÉTODO EXPONENCIAL DE HOLT……………………………………….

11

17

20

24

28

MÉTODO EXPONENCIAL DE HOLT-WINTERS………………………….

32

2|Página

OBJETIVO.
El objetivo del presente trabajo es presentar algunos de los métodos de suavizamiento para las series de tiempo, así como especificar en qué condiciones puede emplearse cada uno de estos métodos y ejemplificarlos.

INTRODUCCIÓN
Una serie de tiempo, es una secuencia de datos, observaciones o valores medidos en determinados momentos del tiempo, ordenados cronológicamente y, normalmente, espaciados entre sí de manera uniforme. El análisis de series de tiempo comprende métodos que ayudan a interpretar este tipo de datos, extrayendo información representativa, tanto referente a los orígenes o relaciones subyacentes como a la posibilidad de extrapolar y predecir su comportamiento futuro. La tendencia representa el comportamiento predominante de la serie de tiempo. Esta puede ser definida vagamente como el cambio de la media a lo largo de un extenso período de tiempo. Refleja el crecimiento o declinación de larga duración en las series de tiempo.

3|Página

La variación estacional representa un movimiento periódico de la serie de tiempo. La duración del período puede ser un año, un trimestre, un mes, un día, etc. Se suele hacer una distinción entre cíclicas y estacionales. Estas últimas ocurren con períodos identificables, como la estacionalidad del empleo, o de venta de ciertos productos, cuyo período es un año. El término de variación cíclica se suele referir a ciclos grandes, cuyo período no es atribuible a alguna causa. Por ejemplo, fenómenos climáticos, que tienen ciclos que duran varios años.

Es importante mencionar que estas dos condiciones no son necesariamente aisladas, es decir, las tendencias y estacionalidades pueden darse

simultáneamente como se puede observar en la siguiente gráfica.

4|Página

5|Página . Esto puede ser útil debido a que con frecuencia es más fácil discernir tendencias y patrones críticos y además analizar en forma visual una serie suavizada. efectos aleatorios). La idea central es definir a partir de la serie observada una nueva serie que filtra o suaviza los efectos ajenos a la tendencia (estacionalidad. de manera que podamos visualizar la tendencia.Una forma de visualizar la tendencia. Los métodos de suavizamiento que se tratarán en este trabajo son:  Promedios móviles. es mediante un suavizamiento de la serie. Las técnicas de suavizamiento proporcionan un medio para eliminar o al menos reducir las fluctuaciones volátiles a corto plazo en una serie de tiempo.

Suavizamiento Exponencial (Método de Holt) Suavizamiento Exponencial (Método de Holt-Winters) 6|Página . Consiste en fijar un número k.     Promedio Móvil Simple. es uno de los más usados para describir la tendencia. El suavizamiento exponencial emplea un promedio ponderado de la serie de tiempo pasada como pronóstico. Promedio Móvil Centrado. Los dos métodos anteriores tienen sus respectivas subdivisiones.  Suavización exponencial. Promedio Móvil Ponderado. Doble Promedio Móvil. las cuales son el objetivo principal de este trabajo: 1) Promedios Móviles. 2) Suavizamiento Exponencial. y calcular los promedios de todos los grupos de k términos consecutivos de la serie.Este método de suavizamiento.    Suavizamiento Exponencial Simple. es un caso especial del método de promedios móviles ponderados en el cual sólo se selecciona un peso o factor de ponderación: el de la observación más reciente.

Este modelo no maneja muy bien los datos con estacionalidad o con tendencia pero sí lo hace mejor que la técnica del promedio simple. y se elimina de éste la observación o dato más antiguo. El número de datos más recientes a considerar en el conjunto de observaciones del cual se calcula la media aritmética es una decisión del analista que realiza el pronóstico.PROMEDIO MÓVIL SIMPLE. Cada vez que se tiene una nueva observación se agrega esta al conjunto de datos. la sensibilidad a los cambios en el comportamiento de la serie se reduce al utilizar un número mayor de observaciones en el conjunto de datos. Esta técnica se utiliza cuando se quiere dar más importancia a conjuntos de datos más recientes para obtener el pronóstico. El promedio móvil simple se establece mediante la siguiente ecuación: El valor pronosticado para el siguiente período es igual al promedio móvil: 7|Página . El pronóstico se obtiene al calcular la media aritmética del conjunto de datos más recientes seleccionado.

3 168. MES 1 2 3 4 5 6 7 8 9 10 11 12 VENTAS 266 145.6 264.3 646.9 8|Página .8 224.5 342.1 273.4 315.8 122.3 149.5 185.5 192.3 401.4 575.3 191.Por lo que el promedio móvil para el segundo período estaría dado por la fórmula: En donde: Es importante notar que en este método se pierden las primeras n -1 observaciones de la serie de tiempo.9 439.3 180.5 231.1 119.3 581.3 MES 25 26 27 28 29 30 31 32 33 34 35 36 VENTAS 339.7 440.5 210.3 437. EJEMPLO 1.6 289.9 MES 13 14 15 16 17 18 19 20 21 22 23 24 VENTAS 194.9 421.4 287 226 303.5 407.6 682 475.9 183.9 336. Los siguientes datos muestran las ventas en dólares de shampoo de los últimos treinta y seis meses.

mediante el método de Promedios Móviles Simples. la gráfica de la serie de tiempo y su respectivo suavizamiento quedaría: 9|Página .Mostrar como quedaría la gráfica del suavizamiento de la serie por el método de Promedios Móviles Simples. S e tiene 800 700 600 500 400 300 200 100 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 que el gráfico de la serie de tiempo anterio r es: Ahora.

8 176.3 202.5 184.58 421.26 273.4 203.4 406.88 192.26 226 237.3 375.5 197.26 289.5 433.3 206.9 259.7 315.62 MES 25 26 27 28 29 30 31 32 33 34 PROMEDIO MOVIL VENTAS SIMPLE 339.5 159.56 303.800 700 600 500 400 300 200 100 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 Series1 Series2 Los puntos de la gráfica de suavizamiento fueron calculados de la siguiente manera.92 168.6 452.56 439.9 188.82 210.3 178.48 149.3 515.56 10 | P á g i n a .52 401. los resultados de todos los cálculos se presentan a continuación en la siguiente tabla: MES 1 2 3 4 5 6 7 8 9 10 PROMEDIO MOVIL VENTAS SIMPLE 266 145.6 224.3 387.72 287 222.7 331.9 340.6 305.88 407.9 183.8 199.86 575.58 122.22 682 500.6 256. Y así sucesivamente.1 MES 13 14 15 16 17 18 19 20 21 22 PROMEDIO MOVIL VENTAS SIMPLE 194.3 180.32 437.4 361.62 191.1 215.42 231.1 119.76 475.6 440.

Los pasos a seguir para obtener los promedios móviles centrados son: 11 | P á g i n a . como su nombre lo indica.62 PROMEDIO MOVIL CENTRADO. Por ejemplo en el caso de un promedio móvil de cinco períodos por este método. mientras que el promedio móvil centrado.7 212. se tiene que el promedio móvil simple usa el valor observado del tiempo que se quiere analizar más las observaciones anteriores.3 301.9 221.38 35 36 581. se calcula el promedio basándose en la observación del periodo a analizar. La principal diferencia entre el promedio móvil simple y el centrado es la selección de las observaciones a usar.12 324.9 544.52 23 24 264.34 558.5 342. dos observaciones previas y dos observaciones posteriores. centra el promedio del tiempo que se quiere analizar usando tanto como observaciones anteriores como posteriores. Como se vio en el tema anterior.5 185.11 12 336.3 646.

entonces el promedio móvil es calculado de la siguiente manera: Donde las son las observaciones que se tienen de la serie de tiempo. primero es necesario calcular dos promedios móviles que liguen al periodo de tiempo que se quiere analizar: ( ) ( ) ( ) Para posteriormente sacar el promedio simple de los dos valores anteriores. Si L es impar. por lo que si L es par. el promedio móvil centrado es calculado en dos pasos. ya sea par o impar.Primero. La decisión del período para los estudios será realizada por el investigador dependiendo a su propósito específico. definir un período para el promedio denotado por L. 12 | P á g i n a . Sin embargo. El método específico para calcular el promedio móvil centrado depende del período para el periodo L elegido. y es el punto medio del rango de L datos observados. el promedio móvil centrado es más comúnmente asociado a un número par de observaciones. Es importante notar que hay (L-1)/2 observaciones que se pierden tanto al principio como al final de la serie. en los datos de series de tiempo.

6 779.2 753.3 840.8 880. MES 1 2 3 4 5 6 7 8 9 10 11 12 POZOS PETROLEROS 1338. Primero.4 732.4 Realiza el suavizamiento de la serie anterior mediante el método de Promedios Móviles Centrados. EJEMPLO 2. 13 | P á g i n a .3 841.6 746.7 851.8 1146.9 772. para posteriormente realizar su suavizamiento.3 800.1 1019 935. Los siguientes datos muestran las producciones de pozos petroleros en Texas de los últimos 24 meses considerando un período L de 5 meses y de 4 meses.8 852.3 775.1 843.7 736.1 851.6 804.8 1274.7 MES 13 14 15 16 17 18 19 20 21 22 23 24 POZOS PETROLEROS 850.5 749. se presentará una gráfica de la serie de tiempo anterior.2 1212.El número de observaciones que se pierden cuando L es par es L/2.

08 790.8 1274.5 14 | P á g i n a . los resultados de todos los cálculos se presentan a continuación en la siguiente tabla: MES 1 2 POZOS PETROLEROS 1338. por lo que el primer promedio móvil centrado que se calculará será para el período tres: Y así sucesivamente. Es necesario recordar que este método pierde (L-1)/2 = 2 observaciones tanto al principio como al final.2 PROMEDIO MOVIL CENTRADO MES 13 14 POZOS PETROLEROS 850.4 PROMEDIO MOVIL CENTRADO 802.1600 1400 1200 1000 800 600 400 200 0 1 2 3 4 5 6 7 8 9 101112131415161718192021222324 Series1 Ahora se procederá a calcular los promedios móviles centrados de todos los periodos considerando el período L de cinco meses.6 779.

68 831.3 775.4 815 814.3 4 5 6 7 8 9 10 11 12 1212.88 966.28 743.58 897.68 15 16 17 18 19 20 21 22 23 24 732.86 810.58 1038.5 749.7 851.1 1019 935.8 852.1 843.1 851.9 772.7 736. Es necesario recordar que este método pierde (L/2) = 2 observaciones tanto al principio como al final.6 746.8 880.4 772.78 751.2 753.18 1117.82 773 792.56 810.7 1198.46 752.3 841.8 1146. por lo que el primer promedio móvil centrado que se calculará será para el período tres: 15 | P á g i n a .42 848.74 822.3 800.58 Por lo que la gráfica de la serie de tiempo ya suavizada mediante el método de promedios móviles centrados con para un período para el promedio L=5 quedaría de la siguiente forma: 1600 1400 1200 1000 800 600 400 200 0 1 3 5 7 9 11 13 15 17 19 21 23 POZOS PETROLEROS PROMEDIO MOVIL CENTRADO Ahora se procederá a calcular los promedios móviles centrados de todos los periodos considerando el período L de cuatro meses.6 804.3 840.

925 745. los resultados de todos los cálculos se presentan a continuación en la siguiente tabla: PROMEDIO MÓVIL CENTRADO PARCIAL 1242.45 PROMEDIO MÓVIL CENTRADO POZOS TOTAL MES PETROLEROS 13 850.2125 746.0375 749.975 24 841.6 14 779.2 837.275 829.3 818.4 21 852.025 826.9 765.7 8 851.025 1078.3625 19 736.7 POZOS MES PETROLEROS 1 1338.275 PROMEDIO MÓVIL CENTRADO TOTAL 810.2 1036.9 847 20 772.875 803.1 806.6 11 804.1 12 843.8 817.4 1203 15 732.9125 17 753.5 746.8 4 1146.7 867.125 846.725 16 746.6 1120.825 805.3 812.5 819.55 790.2 3 1212.875 22 851.925 818.3 9 800.5125 789.425 995.Y así sucesivamente.55 18 749.975 1163.3875 765.2125 23 840.3 10 775.7 894.575 777.2 752.5 958.975 807.7 Por lo que la gráfica de la serie de tiempo ya suavizada mediante el método de promedios móviles centrados con para un período para el promedio L=4 quedaría de la siguiente forma: 16 | P á g i n a .575 753.225 777.4 921.575 816.8 7 880.4 PROMEDIO MÓVIL CENTRADO PARCIAL 801.8 2 1274.1 5 1019 6 935.0625 749.

1600 1400 1200 1000 800 600 400 200 0 1 3 5 7 9 11 13 15 17 19 21 23 SERIE DE TIEMPO NORMAL SERIE DE TIEMPO SUAVIZADA PROMEDIO MÓVIL PONDERADO 17 | P á g i n a .

En este método a la observación más reciente se le da la mayor ponderación y el peso disminuye para los valores más antiguos. El promedio móvil simple es un caso particular de este método cuando los pesos se fijan en . En general el promedio móvil ponderado puede ser escrito de la siguiente forma: ∑ Donde denota los pesos. ponderado centrado. esto para el caso de que se utilice el promedio móvil ∑ Donde { EJEMPLO 3. La forma para calcular el peso se expresa de la siguiente manera: = . 18 | P á g i n a . es decir.El método de suavizamiento de Promedios Móviles Ponderados. implica la selección de pesos distintos para cada valor de los datos. Unos aspectos importantes para que el Promedio Móvil Ponderado trabaje correctamente. para después calcular el pronóstico mediante un promedio ponderado. es que el total de los pesos sume uno y que dichos pesos sean simétricos.

recordando del ejemplo 1. Para poder hallar los pesos que se considerarán para cada período se necesita hallar primero los valores de n=5 . por lo que ahora se presentarán los cálculos para el suavizamiento por el método de Promedio Móvil Ponderado. ∑ Por lo tanto los pesos para cada una de las observaciones para calcular el promedio móvil ponderado quedarían: 19 | P á g i n a .Considerando los datos del ejemplo1. En el desarrollo del ejercicio 1 se presentó la gráfica de la serie de tiempo de los datos proporcionados. donde. realiza el suavizamiento de la serie de tiempo. mediante el método de Promedio Móvil Ponderado.

59146 535.367155 35 328.166599 MES 13 14 15 16 17 18 19 20 21 22 23 24 VENTAS 194.934361 185.161193 34 319.4 287 226 303.7 440.3 168.512026 31 261.6 289.1 119.5 192.722031 468.706468 358.5 210.245376 25 193.9 421.9 183. Y así sucesivamente.984184 27 213. dado que este método al igual que el promedio móvil simple tiende a perder los n-1 primeras observaciones.3 581.241283 33 326.062203 181.9 336. los resultados de todos los cálculos se presentan a continuación en la siguiente tabla: MES 1 2 3 4 5 6 7 8 9 10 11 12 VENTAS 266 145.9 Promedio Móvil Ponderado 162.181102 584.103183 29 240.9 Promedio Móvil Ponderado 332.3 180.8 224.3 437.4 575.5 407.751945 26 190.838858 223.785498 550.54664 30 241.5 342.255331 365.Por lo tanto.774533 395.521122 28 214. quedaría de la siguiente manera.8 122.3 191.271753 531.1 273.6 264.313391 Por lo tanto la gráfica de la serie de tiempo suavizada por el método de Promedios Móviles Ponderados es la siguiente: 800 700 600 500 400 300 200 100 0 1 4 7 10 13 16 19 22 25 28 31 34 Serie de timpo normal serie de tiempo suavizada por Promedios Móviles Ponderados 20 | P á g i n a .353815 204.122233 207.227287 161.866246 411.3 401. el promedio móvil ponderado para el período cinco.6 682 475.534866 218.9 439.964679 36 VENTAS 339.751339 386.3 149.242496 463.5 231.4 315.3 Promedio Móvil Ponderado MES 214.560738 32 275.3 646.5 185.

El método consiste en calcular un conjunto de promedios móviles. para posteriormente calcular un segundo conjunto como promedio móvil del primero. Este método es utilizado para realizar pronósticos de series que tienen una tendencia lineal. en especial que el método del Promedio Móvil Simple ya que en este método presenta rezago respecto de la serie original en estos casos. ya que éste método maneja mejor dicha tendencia que los métodos mencionados anteriormente.DOBLE PROMEDIO MÓVIL. El primer paso para el cálculo del Doble Promedio Móvil es calcular los Promedios Móviles Simples. el cual queda expresado en la siguiente fórmula: La diferencia entre los dos promedios móviles se calculará mediante la siguiente expresión: Para el cálculo del pronóstico para p períodos hacia el futuro mediante esté método se utiliza la siguiente expresión: 21 | P á g i n a . solo que ahora con los valores hallados en el paso 1. el cual se calcula mediante la expresión: El segundo y último paso para calcular el Doble Promedio Móvil es realizar nuevamente el procedimiento del Promedio Móvil Simple.

el primer promedio móvil que se calculará será el del tiempo cinco. EJEMPLO 4 Utilizando los datos del ejemplo 1. Ya se ha presentado con anterioridad la gráfica de la serie de tiempo para este ejemplo. 22 | P á g i n a . por lo que ahora se procederá a realizar los cálculos para la obtención de los dobles promedios móviles. realiza un suavizamiento de la serie de tiempo mediante el método de Doble Promedio Móvil utilizando el promedio de cinco observaciones. Debido a que el promedio móvil simple tiende a perder las primeras n-1 observaciones.En donde: Es importante mencionar que este método pierde las 2(n-1) primeras observaciones de la serie de tiempo.

256 272.38 205.5 210.34 374.9 421.856 489.352 514.6 264.46 324.3 168.94 205.58 188.872 346.9 178.6 184.3 180.028 289.3 206.752 359.62 203.1 119.3 581.208 461.484 235.324 210.676 205.9 183.76 515. el primer doble promedio móvil que se podrá tener será el del mes 9: Y así sucesivamente.336 216.7 340.9 336.1 221.6 682 475.26 237.392 25 26 27 28 29 30 31 32 33 34 35 36 339.3 191.884 331. los resultados de todos los cálculos se presentan a continuación en la siguiente tabla: MES PROMEDIO DOBLE PROMEDIO DOBLE PROMEDIO DOBLE MOVIL PROMEDIO MOVIL PROMEDIO MOVIL PROMEDIO VENTAS SIMPLE MÓVIL MES VENTAS SIMPLE MÓVIL MES VENTAS SIMPLE MÓVIL 1 2 3 4 5 6 7 8 9 10 11 12 266 145.86 433.16 436.62 304.58 305.756 206.82 215.26 259.5 231.52 387.3 149.42 176.828 411.876 256.9 439.4 575.8 122.72 222.52 179.El segundo paso es volver a aplicar el procedimiento de promedio móvil simple.6 361.56 256.18 208.3 646.5 185.5 342.9 331.48 197.22 500.3 401.172 201.56 544. y dado que este método tiende a perder las primeras 2(n-1) observaciones.356 13 14 15 16 17 18 19 20 21 22 23 24 194.3 Por lo tanto la gráfica de la serie de tiempo suavizada por el método de Doble Promedio Móvil quedaría de la siguiente manera: 23 | P á g i n a .5 192.5 407.88 181.26 202.716 194. se calculará el promedio de los promedios móviles simples obtenidos en el paso 1.62 301.4 315.12 324.34 558.88 199.6 289.56 375.284 224.1 273.392 388.7 440.7 212. solo que en vez de sacar el promedio de las observaciones.92 159.8 224.3 437.88 452.32 406.4 287 226 303.

800 700 600 500 400 300 200 100 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 SERIE DE TIEMPO NORMAL SERIE DE TIEMPO SUAVIZADA 24 | P á g i n a .

SUAVIZACIÓN EXPONENCIAL SIMPLE. la observación inmediata anterior se pondera con un peso de α (1. obteniendo el promedio de estos de manera exponencial. a la siguiente observación inmediata anterior se le da un peso de ponderación de α (1. consiste en promediar los datos que se tiene de la serie de tiempo. Cuando existe una clara y considerable tendencia lineal en los valores observados en una serie de tiempo. hasta completar el número de valores observados en la serie de tiempo a tomar en cuenta para realizar la atenuación. es decir. los datos se ponderan dando un mayor peso a las observaciones más recientes y uno menor a las más antiguas. así como también en los demás métodos de suavización exponencial. El cálculo de la atenuación exponencial se puede obtener mediante la siguiente expresión: Una expresión análoga a la anterior sería: El valor de α siempre se encuentra dentro del rango 0≤ α ≤1. se le necesita asignarle un valor a .α). La estimación o pronóstico será el valor obtenido del cálculo promedio. requiere de una inicialización. una técnica para estimar el valor inicial . es decir. Éste método.α)2 y así sucesivamente. Al peso para ponderar la observación más reciente se le da el valor de α. Este método se suavización se basa en la atenuación de los valores de la serie de tiempo. para calcular el promedio ponderado. para estos casos se utilizan dos diferentes técnicas conocidas como el método de Brown y el de Holt. los pronósticos obtenidos mediante la suavización exponencial simple quedan rezagados aún al hacer variar el valor de α. es decir. 25 | P á g i n a .

28 85.97 82.19 85.12 78.88 100.EJEMPLO 5.44 84.26 84.37 85.96 genera la industria automotriz en Estados Unidos (en decenas de miles) presentada en la AÑO 1969 1970 1971 1972 1973 1974 1975 1976 1977 1978 1979 EMPLEO 92.59 87. Primero se presentará la gráfica de la serie de tiempo anterior: Serie de tiempo sin suavizamiento 120 100 80 60 40 20 0 1 3 5 7 9 11 13 15 17 19 21 Serie de tiempo sin suavizamiento 26 | P á g i n a .92 91.09 AÑO 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 EMPLEO 79.82 95.47 Realice el procedimiento de suavizamiento por el método de Exponencial Simple.75 87.39 100.61 96.89 79.59 70.71 88.04 81. Considere los datos de la cantidad de empleos que siguiente tabla.68 75. considerando α=0.98 87.

6343557 71.88 100.30349977 85.37 85.16735708 87.85506618 84.6477397 AÑO 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 EMPLEO 79.26 84.44 84.47 EXPONENCIAL SIMPLE 100. entonces: Para calcular el suavizamiento del periodo dos. considerando a como el promedio de las observaciones que se tiene de los empleos de la industria automotriz.45636364 91.19 85.28 85.Ahora se procederá a realizar los cálculos para el suavizamiento por el método exponencial simple.09 EXPONENCIAL SIMPLE 86.92 91.81665455 81.59 87.89 79.33844709 79.2674936 84.44733999 85.07349366 100.59580265 88.98 87. se tiene: Y así sucesivamente.68 75.1123096 80.82 95.86749428 87.69889238 79.44943211 96. se tiene: Para calcular del tiempo tres.04 81. la gráfica de la serie de tiempo suavizada por el método exponencial simple se presenta a continuación: 27 | P á g i n a .75 87.59 70.25353788 87.47734152 95.61 96.97 82.03817423 75.02392697 85.98189974 Por lo tanto. Para ello primero se tendrá que inicializar el método.71 88.39 100.58117728 91.12 78. los resultados de todos los cálculos se presentan a continuación en la siguiente tabla: AÑO 1969 1970 1971 1972 1973 1974 1975 1976 1977 1978 1979 EMPLEO 92.

120 100 80 60 40 20 0 1 3 5 7 9 11 13 15 17 19 21 Serie de Tiempo Suavizada por el método de exponencial simple Serie de Tiempo sin suavizcación 28 | P á g i n a .

La predicción por este método puede ser obtenida mediante la siguiente fórmula: Donde: El cual denota un estimado del nivel de la serie al tiempo t. La predicción por el método de Holt usa dos factores constantes de suavizamiento α y β cuyos valores se encuentran entre cero y uno. es una extensión del suavizamiento exponencial simple que permite realizar predicciones para datos que presentan tendencia. Una y sumándole la estimación de la tendencia alternativa para obtener estos valores estimados es hacer: 29 | P á g i n a . Sin embargo como puede haber arbitrariedad. la cual se expresa como la diferencia de los dos últimos valores de suavizamiento.SUAVIZACIÓN EXPONENCIAL (MÉTODO DE HOLT). y la tendencia . los nuevos valores deben ser más altos o más bajos que los anteriores. Esto es apropiado debido a que si hay una tendencia en los datos. requiere dos valores estimados. El método de suavización exponencial por el método de Holt. agregándole el último valor de suavizamiento a Esto ayuda a eliminar el retraso y proporciona un aproximado del nivel de la serie del tiempo que se está analizando. actualiza la pendiente. Esta fórmula. la pendiente es modificada agregando a la tendencia el factor del período anterior multiplicada por La inicialización del método de suavizamiento exponencial de Holt. Denota un estimado de la pendiente de la serie al tiempo t. Esta fórmula ajusta a directamente de la pendiente del tiempo anterior . el valor de suavizamiento .

se presentará una gráfica de la serie de tiempo de la demanda del producto. considerando α=0.. PERIODO 1 2 3 4 5 6 7 8 9 10 11 12 DEMANDA 143 152 161 139 137 174 142 141 162 180 164 171 PERIODO 13 14 15 16 17 18 19 20 21 22 23 24 DEMANDA 206 193 207 218 229 225 204 227 223 242 239 266 Realice el suavizamiento de la serie de tiempo anterior mediante el método de exponencial de Holt.y Otra alternativa es usando la regresión por cuadrados mínimos en los algunos de los primeros valores de la serie para hallar y . EJEMPLO 6 Considere los datos de la cantidad de demanda de un producto que se comercializa en cierto supermercado de Estados Unidos de los últimos 24 meses.501 y β=0. sin embargo para efectos de este trabajo. la gráfica queda como sigue: 30 | P á g i n a .072 Primero. se utilizará el primer método de inicialización.

los cuales los hallaríamos de la siguiente manera: 31 | P á g i n a . necesitaríamos los valores de y . por lo que los valores iniciales de y quedan como sigue: Para hallar el suavizamiento del período dos se emplea la siguiente fórmula: Si quisiéramos hallar el suavizamiento del período tres. es necesario inicializar el método.DEMANDA 300 250 200 150 100 50 0 1 3 5 7 9 11 13 15 17 19 21 23 DEMANDA Ahora se procederá a realizar los cálculos para el suavizamiento por el método exponencial de Holt Antes que nada.

494421 165.083857 172.62620039 225.47434616 179.50611098 242.79389782 158.350052 192.350768 PERIODO DEMANDA 13 14 15 16 17 18 19 20 21 22 23 24 206 193 207 218 229 225 204 227 223 242 239 266 Lt 196.839742 171.121186 6.908261 160.52560957 177.334746 5.523134 6.413963 214.Por lo que el suavizamiento al período tres quedaría: Y así sucesivamente.045845 5.698808 204.9673151 Ft 152 161 170 162.6526347 163.359116 Por lo que la gráfica de la serie de tiempo suavizada por el Método de Holt quedaría: 300 250 200 150 100 50 0 1 3 5 7 9 11 13 15 17 19 21 23 Serie de tiempo suavizada por el método de Holt DEMANDA 32 | P á g i n a .47898148 172.30468664 165.650033 bt 9 9 9 7.20971623 246.2452871 Ft 199.266716 6.617348 157.65880767 211.122282 225.067576 5.226826 228.31259848 231.431222 5.934031 6.568019 6.572619 5.920399 152.55879682 235.238718 174.650793 240.59434211 156.326057 7.98831 5.60412 5.131416 227.469 149.875705 6. los resultados de todos los cálculos se presentan a continuación en la siguiente tabla: PERIODO DEMANDA 1 2 3 4 5 6 7 8 9 10 11 12 143 152 161 139 137 174 142 141 162 180 164 171 Lt 143 152 161 154.207653 226.68451927 232.93920159 221.711567 6.173199 5.693777 237.881768 6.984589 256.429279 6.41071463 202.338195 5.7549956 179.64984307 232.168676 bt 6.060388 219.

El método de Holt fue extendido por Winters en 1960 para capturar la estacionalidad directamente. pueden lidiar con casi cualquier tipo de datos mientras dichos datos sean no estacionales. una para la tendencia y una más para la estacionalidad. 33 | P á g i n a . dependiendo la forma en que la estacionalidad es modelada.SUAVIZACIÓN EXPONENCIAL (MÉTODO DE HOLTWINTERS). Las ecuaciones básicas para el método multiplicativo de Holt-Winters son las siguientes: Nivel: Tendencia: Estacionalidad: Predicción: Donde s es la duración de la estacionalidad (meses. Los diferentes tipos de métodos de suavizamiento vistos anteriormente. estacionalidad y denota la tendencia. trimestres. Sin embargo cuando la estacionalidad existe. es el componente de es la predicción de m períodos. Este método está basado en tres ecuaciones de suavizamiento. ESTACIONALIDAD MULTIPLICATIVA. ya sea estacionalidad aditiva o multiplicativa. una para el nivel. representa el nivel de la serie. Existen dos diferentes métodos Holt-Winters. etc). estos métodos no son apropiados y se debe usar el método de Holt-Winters.

Debido a esto. son inicializados usando el radio de los primeros valores de los datos: 34 | P á g i n a . En nivel se inicializará tomando el promedio de la primera estación: Para inicializar a la tendencia. se necesita usar por lo menos una los datos de una estación completa. Para determinar las estimaciones iniciales de los índices de estacionalidad. los índices de estacionalidad.Al igual que todos los métodos de suavizamiento exponencial. se necesita los valores iniciales de los componentes para inicial el algoritmo. Por último. es conveniente usar dos estaciones completas: [ ] En donde cada uno de los términos de la ecuación anterior son estimaciones de la tendencia a partir de una estación completa. se inicializarán los valores del nivel y la tendencia al período s.

para inicializar el índice estacional se usa: EJEMPLO 7. Considere los datos de la cantidad productos de una medicina que se venden en una farmacia los últimos 24 meses PERÍODO 1 2 3 4 5 6 7 8 9 MEDICINA 362 385 432 341 382 409 498 387 473 PERÍODO 13 14 15 16 17 18 19 20 21 MEDICINA 544 582 681 557 628 707 773 592 627 35 | P á g i n a .ESTACIONALIDAD ADITIVA El componente de estacionalidad de Holt-Winters. sin embargo. también puede ser tratado aditivamente. Las ecuaciones básicas para el método aditivo de HoltWinters son las siguientes: Nivel: Tendencia: Estacionalidad: Predicción: La forma de inicializar los valores de y son idénticas a la forma que se uso en el método multiplicativo.

01 y que la estacionalidad se presenta cada cuatro meses.822 y β=0. . los [ [ ] ] 36 | P á g i n a . Primero se presentará la gráfica de la serie de tiempo de los datos anteriores: 900 800 700 600 500 400 300 200 100 0 1 3 5 7 9 11 13 15 17 19 21 23 Series1 Ahora se procederá a realizar los cálculos suponiendo que los estacionalidad se presenta de las dos formas (estacionalidad multiplicativa y estacionalidad aditiva) Empecemos primero considerando que la estacionalidad es multiplicativa.10 11 12 513 582 474 22 23 24 725 854 661 Realice el suavizamiento de la serie de tiempo anterior mediante el método de exponencial de Holt-Winters. .055 y =0. considerando α=0. para esto. necesitamos hallar los valores iniciales de cuales se calcularán de la siguiente manera: .

176075 649.292236 423.0068591 11.431808 399.147164 548.97717 685.283267 667.9460941 st 0.895665 433.89736842 0.01313896 1.678527 433.9940224 12.9423 604.01320993 1.0901 37 | P á g i n a .0054146 17.095805 662.875434 16.Por lo tanto el suavizamiento por el método Holt-Winters del período cinco.13686854 0.95295748 Ft 515.89724919 0.2382894 15.539723 575.485229 629.699258 487.75 10.036585 bt 14.242022 587.400025 597.89734838 0. los demás cálculos se presentarán en la siguiente tabla: PERÍODO 1 2 3 4 5 6 7 8 9 MEDICINA 362 385 432 341 382 409 498 387 473 380 398.95267937 1. si quisiéramos el suavizamiento del período seis.8109241 Lt bt st 0.636207 471.4694624 14.95286159 371. estaría dado por: ( ) Ahora.89731797 0. la forma de calcular y sería (recordar que la se calculará usando la fórmula que se presenta en el cuadro hasta el período 9): Por lo que el suavizamiento en el tiempo seis quedaría de la siguiente manera: ( ) Y así sucesivamente.135314 654.13684211 0.284548 619.555849 692.95295211 1.01315789 1.181877 679.037898 14.13695811 0.4441336 12.992959 404.448777 670.2583627 10.2810384 14.0634244 10.95263158 1.8670189 13.0131331 1.95301688 1.175946 9.288158 414.1369511 0.371742 807.126245 Ft PERÍODO 13 14 15 16 17 18 19 20 21 MEDICINA 544 582 681 557 628 707 773 592 627 Lt 565.

8947611 1.0494933 14.89719415 683.188157 741.327099 746. quedaría de la Ahora consideremos que la estacionalidad es aditiva.01315582 1.7800372 16.8083264 12.851576 22 23 24 725 854 661 708.038242 527.077754 683.299956 471.917111 Por lo tanto la gráfica de la serie de tiempo suavizada por el método exponencial de Holt-Winters siguiente manera: 900 800 700 600 500 400 300 200 100 0 1 3 5 7 9 11 13 15 17 19 21 23 SUAVIZAMIENTO POR EL MÉTODO HOLTWINTERS PARA ESTACIONALIDAD MULTIPLICATIVA MEDICINA con estacionalidad multiplicativa.217406 513.0986036 12.10 11 12 513 582 474 505. sin embargo las inicializaciones para siguiente manera: Por lo tanto el suavizamiento para el período seis por el método de HoltWinters con estacionalidad aditiva quedaría: 38 | P á g i n a .814661 13.9165715 1.89732522 506.13692577 0.242518 14.13694469 0.01331321 1. Tenemos que las inicializaciones para y son las mismas que las empleadas en el método se calculan de la multiplicativo.553249 589.899151 822.

8925404 5.802589 502.290595 776.578611 575.Ahora.6352105 12. si quisiéramos el suavizamiento por Holt-Winters para el período seis.796205 412.1450613 -39.8185012 5.181148 665.8366103 5.022383 709.951318 518.4257038 10.081075 641.7861388 5.2560565 12.0754741 -39.126256 9.0782611 15.7654565 14.752346 621.99218775 52.0555428 -39.1624022 -39.388903 466.3448955 Lt bt st -18 5 52 -39 -17.574487 570.299533 575.059559 763.605114 482.1755 404.98728 648.445724 430.1711053 -17.9597778 15.241697 17.257926 697.75 10.0149802 11.618071 527.281452 767.3186643 17.261551 788.21645758 52.9800065 12.540478 Ft PERÍODO 13 14 15 16 17 18 19 20 21 22 23 24 MEDICINA 544 582 681 557 628 707 773 592 627 725 854 661 Lt 556.0460511 -17.7591035 12.02840085 52.01608517 52.060291 505. quedaría de la 39 | P á g i n a .3007412 -39.871428 422.1580368 14.0968532 371.230041 bt 13.794201 719.645229 661.981755 4.906081 598.714652 599.359267 -17.789461 693.003696 719.781225 440.879416 499.015584 Por lo tanto la gráfica de la serie de tiempo suavizada por el método exponencial de Holt-Winters siguiente manera: con estacionalidad multiplicativa.2134025 10.57819 st -17.522061 640.1289756 13.11017484 52.3711545 13. los demás cálculos se presentarán en la siguiente tabla: PERÍODO 1 2 3 4 5 6 7 8 9 10 11 12 MEDICINA 362 385 432 341 382 409 498 387 473 513 582 474 380 398.965808 603.75 413.8456972 13.12085 649.5479748 Ft 512. la forma de calcular y sería: Por lo tanto el suavizamiento para el período seis quedaría: Y así sucesivamente.5220081 13.708848 645.857499 18.

Time-Series modeling and forecasting in business and economics.paginasprodigy. Gaynor.900 800 700 600 500 400 300 200 100 0 1 3 5 7 9 11 13 15 17 19 21 23 SUAVIZAMIENTO POR EL MÉTODO DE HOLTWINTERS PARA ESTACIONALIDAD ADITIVA MEDICINA BIBLIOGRAFÍA:   Forecasting methods and applications. Hyndman.htm 40 | P á g i n a . Editorial Wiley. REFERENCIA VIRTUAL:  http://www. third edition. Wheelwright. Makridakis. Kirkpatrick.com/sylsr/pronostico. Graw Hill. Mc.

  .

9.O3320/..390747800/.8:03904-807..O3/0.:3 5084/0543/07.... .

  .

.47/0. 70. ....05708O3.E.89.O3 054303. 5.7. .390 ..:457420/4   ..7 0 57420/4 543/07.903:..:4 /0 .:039.. 80 5:0/0 4-90307 20/.7 03 . 8070 /0 90254 ..08...4807E0.:.20390 ...7  5.. I { {  .7 ./4  .O3 4 5743O89.E. 8:039005708O3 I {  {I { { I  { { I { { &3.8J8:.7032074 /0 . .903:.O3  08 /0. 0892. 942.4708 4-807. .7.3E4.474-903/4/0.42509./48  03 ...390747807J.

34 ^.:0397.8025708003./03974/07.

 8070 /0 90254  48 5743O89.438/07..47 .3/4 0890 :3.2-F3 03 48 /02E8 2F94/48 /0 8:.4708 4-807.7 0 ...  ..47/0 .8070/090254  :.  :3.48 4-903/48 20/.089..7. 9F...3..83... 8:. 5.82506:0/..438890 03 57420/.07.^  A890 2F94/4  ./48...390 ..7.O3  08 /0. 03 48 .3.../48 03 :3. .7. 0892.424 9.370.O3 054303.70. ..7  80 0 30..  706:070 /0 :3.7 48 /..  .47 3.70 :3 .. 3.O3054303.9486:0809030/0..8J .-0 903/03.. 30...

84880:9.08948.3.8.42402F94/4 /07430/049   $9 h –  ° f   .7.434.8.../. 5.3/48/107039089F.

 3/:897./.948 /0 .3/4.438/07. 03 ./48 &3/48 03 /0.-. .03. .!   438/070 48 /.8 /0 208  5708039./ /0 025048 6:0  0307. 8:03909. .39/.. .:942497 03 89.

 $250  !72074805708039./0.0 0 574.9                       0            .20394 547 0 2F94/4 /0 54303..7E.0/20394 /0 8:.390747     ¯½¾°¾ff¯ °                       ¯½¾° ¾ff¯ °  $9 h –  ° f   .  0            .....8070/090254.9                        #0.7E1.

8:03909.20390  48 708:9.708:.20394/05074/4/48 809030 I { { % {%  { { {{%  { % %  !.E.7..4308 6:0 80 9030 /0 48 025048/0...7.424 0 57420/4 /0 ..:942497 03943.7.:48 5.3 .7 48 .8 4-807...7/0902549708 809030 I { { % {%  { { {{% % { % %   .O303.0457207480903/7E6:03. 80 574.47.3/4 .8250 !.  ..-.E.7.:48 80 5708039.08  %   !...9                       O9--... 0            . .0/07E ....4393:.3/:897.:../48 /0 94/48 48 . 70..702F94/4  . 0 8:.08.20394 547 0 2F94/4054303..438/07...8J 8:.:.

 .9                       O9--.9                       0            .

 /0 .9                        !47 4 9.4393:. 8070 /0 90254 8:.../. 547 0 2F94/4 054303.. .394  . 7E1.....O3 $9 h –  ° f   .8250805708039.

                     @ ¯½ ff f½  ¯x   ½° °nf¾¯½    @ ¯½¾° ¾fnfn°              $9 h –  ° f   .

82506:050729070..O3 054303.7..O3 547 0 2F94/4 /0 49 :8... 570/..3903/03. /48 1...94708 .9486:05708039./. 547 0 2F94/4 /0 49  08 :3..4389. 09038O3/08:.20394054303.7570/.4308 5...20394...$&' !  A%   %   2F94/4 /0 8:.  ...3908 /0 8:.

. 570/..390747I 924../.4708/0-038072E8. H { {  {{I { .O3/02F94/4/08:. 90254 9  89. /0 48 /48 9248 ..H :3.:. 8070 .. I  &3.390 .74 .074:34  . :3 0892.9./049 706:070 /48 .7.20394 89408..424 5:0/0 .3. 903/03. 80 05708..9:. 0 1. 90254 9  89.0 /0 .6:08.94842E8-.H /70.20390/0.×.3.:89.47088003.O3 547 0890 2F94/4 5:0/0 807 4-903/.39074708  $3 02-.O3 /0.486:048. /0349..:.70. . ./48  0 .903/03.43..4708/08:../4 /0 ..8070/0902546:080089E.023..5742.20394H 894.503/0390/090254..84574547. 903/03.. 503/0390  ... 903/03. ./4/0-/4.0/0././4 /0 3.3907472:95. 0892...47 /0 8:. H 43/0  H JJ I J J O JJIJJJJJJ IIJ {  {{H I { . .:0397.:48. . 8:0390 1O72:..4708 0892..03 48/. :3 0892.947   8:2E3/40.4-9030708948. 503/0390 08 24/1.  .9. 1O72:.48. 1O72:. .07 $9 h –  ° f   ...9073.303970.424 .20394054303.:3. 20/.. /10703...5.3/4 ...:/../4/03..-07 .47080892.20394 H   . 503/0390 /0 .948 483:0.5745. /0507J4/4..70/./4808.7-97./  .70E3/400 I   ..547{  { ...3/4  I  {H 0349...47/08:..707097.. 8070 .

4708/0.3/.948/0089097.:.4207.3/4..94 6:0 80 .H I I I I 97./4 /0 89. 010...390 0 2F94/4 /0054303..-.. 70708O3 547 . 03 ../7...0 0 8:. . 08 :8..7..7E0572072F94/4/03.9..-              #0.:348/0485720748.7H I 8302-. 8070 /0 90254 .80705...-             9             ./049 ./ /0 /02.0794 8:507207. /0 :3 574/:.7./48 &3/48 /0 48 9248  20808  9             .438/07. .39/.O3  !  438/070 48 /./48 2J3248 03 48 ..3/4 ..390747 20/.948 /0 .745.4 80:9.9073.20394 /0 .

3/..7E1.  ×  !72074 805708039.7E1./0../0 574/:./02.94 ..8070/090254/0.7E:3.6:0/.4248:0 $9 h –  ° f   .

7J.-     .20394 547 0 2F94/4054303.  08 30.:48 5.4248:0 H I I I I  % !.708:.248..74 3..E.0848.:..7J.4708 3.307..20394/0507J4/4/48800250.../049 3908 6:0 3. 0 8:..7.089. 80 574.7.708:...-                  47.08/0H I 6:0/.4708/0H I 48...7 0 2F94/4  547 4 6:0 48 . H I { { %{ {  $6:8F7. 70. H I   I  {H { H {  {{H { I {  {{I { {  {  {{ {{ { {  %%{{ { %{ %  { % %{{%{ $9 h –  ° f   .8:03902.20394/0507J4/49708 30...7 48 .8:03901O72:.248/0.0/07E .08.../....3..24848 .

E. 9 .20394.-                                           9 .                        ¯½ ¾ff f½  ¯x   .-. .8:03909...-                                                                                                                                                    !4746:0.20390  48 708:9.3 .7J.O303./0..5470F94/4/049 6:0/.-  $9 h –  ° f   .8070/0902548:./48 /0 94/48 48 .4393:. H I { { %{ {   ..7E1./..8J 8:.!4746:008:.507J4/497086:0/.08..:48 80 5708039.7J..

.7./4880/0-0:8..9.8 0. .43.089.1472.0 /0 ./. 089. .4 /0 49 39078 843 . 5.9..43.20390  890 2F94/4 089E -. 903/03..:./4 03 9708 0.  H   08 0 .O3    H     I  I { H I H {H { {  {{H { { { I {I {   {H   I 705708039./0890 089482F94/4834843 .80. /:7./...43. .4308 -E8.3/4.7.:.0  :3..20394 .948 80.. 2E8 5. 089...59:7.9.20394  :3.. 0 2F94/4 2:95..74.702F94/4/049 39078   2F94/4 /0 49 1:0 0903//4 547 39078 03   5.8 .8 /..43..88:03908  .570/.. 0 3.08 $302-.5745. ./ /70../   !70/. 903/03.48 /.43./ 08.../..8.43../.. .089./9.  $% &%!%'  ./0824/0.8 5.43 .O3/02507J4/48  43/0 8 08 ./.3 34 089.7.   89.7.8948 .43. 089. 8070  I  /0349..425430390 /0 $9 h –  ° f   ./..7 .42:95. 5.43././ 20808  972089708  09.948 20397.089..0   %03/03.  089.6:07 954 /0 /...:.43.036:0 ..39074720390  5:0/03 /.7 .4308 /0 8:..O3 /0 ././. 0 3.  :3.:.7././  8903/48/107039082F94/4849 39078 /0503/03/4.$&' !  A%   % %#$  48 /10703908 9548 /0 2F94/48 /0 8:.

42509..089.42543039085.3/407.948 I   H          $9 h –  ° f   I  H I  H .. 903/03.8 I J I J I I J I  I J I  3 /43/0 ...O3 H J {I I  I { !..4708/048/.5./. 48..797/0:3..7..507J4/48  33..0894 803.42509./..7 .089.4308/0...7 /48 089..O3 .:.7 ..48/..08/048J3/.7E942.43.089...:8.7.7E348 .47924 !../4 /0485720748../090723.390747 843 0892.O3..80892.42509.57207...948/0:3.43.0..:./..0803../48:8.  !47924 48J3/.030390 :8./ 8433.75474 20348:3.. 6:094/4848 2F94/48 /0 8:.O3.20394 054303./ 8030.4308 .3.7.4708/03.08/048..089. 0-/4. 0.08/0089.43083.08/0089.. 3.903/03. .  08 .089..43..903/03.47083.0.  80 30. :34 /0 48 9F72348 /0 ...3/4057420/4/0.

..8.9.. 20/. 0 2F94/4 ...88:03908  . I H  I H  I H   !   438/070 48 /..20390  .$% %'  ..48924820808 9          .03/0303:3.39/./9./03./.43./   !70/.0089.70J3/...1. .1472./4 .43.:. 6:0 80 ..O3       H {I I  {H {I H { H H{ I { { {  {{H { {I {   I  { .1472.80 :8./9./ /0 49 39078  9.2-F3 5:0/0 807 97./.72.43.8 5.4 8302-.3.0   %03/03.9...8 0...6:080 :840302F94/42:95.948 /0 :3.7.4708/0H I 843/F39...948 /0 ...3.   89.4308 -E8.74 5.425430390 /0 089../ 574/:.748.4 /0 49 39078843..7.

-          9          ..

-          $9 h –  ° f   .

/0 49 39078  ..3/4 .390 0 2F94/4 /0 054303.0 0 8:.             #0. 8070 /0 90254 .438/07..390747 20/..20394 /0 ..

8 /48 1472.43..7E ./.43.97420808  !72074 80 5708039. 7E1.  5../..438/07..089.08 /0 H  I  .:./ 80 5708039..948 .   ×     6:0.../.43.7 48 ./. /0 ..0/07E . 089.8 089./.. 8070 /0 90254 /0 48 /.:48 8:54303/4 6:0 48 089..9.089.43.4708 3..0248 572074 ...E.3/4 6:0 ./. 0894  30.:...0880./9./805708039. /0 .248 . 70.  250../../ 08 2:95.8:03902.:./ 2:95.39074708                         ¾  47.307.9..43.7 48 .7.7E3/0.. 80 574..  089. H I I I {I I % I I I I I{ I % { I % I %% % %  % { %       48 $9 h –  ° f   .

.2039454702F94/449 39078/0507J4/4. 1O72:.7E :8..8J 8:..3.E. 8:0390 2.3/4 .08.7 H   I  807J..7J. 6:0 80 5708039.20394 03 0 90254 808 6:0/... /0 .47/.248 0 8:.. 1472. 8:0390 9./4547 H I { { { % % {{ % {  %  47.-. 9          . I H   I H %  % I H % %%  % %  I H % %   !4749.030../74.  8 6:8F7. H I { { { %%%%  % {{  {  %   .20394 /0 507J4/4 808  .0507J4/4  H I  I { H {  {{H { I {  {I { % {  { % % {  % { %{{ % { % % {{% { { %%%%  %   {H {{ %%%% !47 4 6:0 0 8:.39408:..:.89.307.7 6:0 .. 70.:.. /0 ./.4  089.20390  48 /02E8 .7E3 03 ..  80 .7J.:48 80 5708039.:.

.-                     ¾              9 .

-                     ¾                                                                                                                  $9 h –  ° f   .

/ 2:95.. /0 .9.43.  6:0/.43 089.394 . 8:03902./..@@ J-@9 @. /0 49 39078  ./.307...                       DI. 8070 /0 90254 8:.7J.. 7E1.-@9 . 547 0 2F94/4 054303..                                                             !47 4 9.. /0 .

- .D@9.

.@I .

:.394 0 8:.  8:03902.4308 5./ 08 .. !47 4 9.8 282.438/070248 6:0 .7.4 8302-..7J. I I I I H H H H % % % % % %   % 3.83...-   47.6:0/. 0 507J4/4 808 547 0 2F94/4 /0 49 39078..8 6:0 .8 2:95. .307..20394 5..9./.8 0250..  %030248 6:0 .8 03 0 2F94/4    80../.  H    I  843 . 089.43089./9../..43..43085./.3/0.7..74.7../9..43. $9 h –  ° f   .

 H 9..7..39408:./0..-.7H I 807J..  8 6:8F7.7. 9             .248 0 8:..203945. 0 507J4/4 808 ...1472.:.0507J4/48086:0/. H I  {I  {H { H { { %% {  {{H   {I I { {  { % {{ % % { %{ {  %{{ % {{% { %  { %  {{ %%%% { % !4749.H I { { % % %   47.7J.20394 547 49 39078 5.

-                            ¾              9 ..

43. 8070 /0 90254 8:..E.. $9 h –  ° f   .7J. /0 49 39078  .307.08. 8:0390                                                                                                                                                          !47 4 9.8J 8:./ 2:95. 547 0 2F94/4 054303.43 089.7E3 03 ...  6:0/. 8:03902. 7E1... /0 .9./.20390  48 /02E8 .394 .. /0 ..-                           ¾  I { { %%  %    .:48 80 5708039./.

-@9 .                      DI.@@ J-@9 @.

- @I ..

347  75.8 . 7.3/0.9438  97/ 0/943  .7/.8933-:83088.3/ .  ##'#%& O 995. ..3 /947.55.97..8  0079 3/2.4342.3/1470..893 2094/8 .0  O %20 $070824/03.-    #  O 470.

.

 5.8574/ .3.42.

887.

5743489.4 92 $9 h –  ° f   .

Sign up to vote on this title
UsefulNot useful